【Docker】Used RSS Memory和Cached Memory

在容器化运维中，理解内存指标是排查“OOMKiller（内存溢出）”和“内存泄漏”的关键。Linux 内核对内存的管理是非常精细的，Used RSS 和 Cached Memory 分别代表了内存的不同分配与利用状态。

---

1. 核心定义

Used RSS (Resident Set Size - 常驻内存集)

• 定义：指进程当前实际占用的物理内存（RAM）。它包含了进程的代码段、数据段、堆栈、匿名内存映射（如变量存储）等。
• 本质：这是内存的“核心占用”。如果容器被系统 Kill 掉（OOM），通常就是因为 RSS 占用了超过 memory.limit_in_bytes 的额度。它是不包含被交换到磁盘的内存，也不包含文件缓存。

Cached Memory (Page Cache - 页面缓存)

• 定义：指内核为了提升 I/O 效率，将磁盘上的文件（如程序文件、日志文件、数据库数据）读取到内存中存储的副本。
• 本质：这是内存的“利用潜力”。它属于“已用内存”，但属于可回收内存。当系统或容器内存紧张时，内核会优先释放这一部分空间以供进程使用。

---

2. 主要区别

特性	Used RSS	Cached Memory
包含内容	进程私有内存（堆、栈、代码）	文件系统缓存（缓存磁盘数据）
回收难度	很难（进程主动释放，或被强制杀死）	很容易（内核自动回收）
性能影响	越低代表程序运行越困难	越高代表磁盘访问越快（性能越好）
内存限制	计入 OOM 统计，决定是否会被杀掉	计入容器内存使用量，但在压力下会被置换

---

3. 具体例子分析：一个 Python 脚本的运行

假设你在 Docker 容器内运行一个读取大文件并进行数据处理的 Python 脚本：

场景 1：脚本启动并读取 500MB 的 CSV 文件

• 动作：内核将 CSV 文件内容加载到内存中以供脚本读取。
• 指标变化：
  • Cached Memory：你会看到它瞬间增加了约 500MB。这是内核在为你做“缓存加速”，此时虽然内存总使用量上升了，但这是好事。
  • Used RSS：脚本本身的代码和解析 CSV 产生的 Python 对象占用了一部分物理内存（例如 100MB）。
• 分析：此时容器的总内存使用（Working Set）是 600MB，但其中 500MB 是 Cached，随时可以被系统回收。

场景 2：脚本开始进行高密度的内存计算（内存泄漏）

• 动作：脚本代码逻辑错误，导致不断向一个 list 中插入对象且不释放。
• 指标变化：
  • Used RSS：会持续增加，从 100MB 涨到 500MB，再涨到 800MB...
  • Cached Memory：保持相对稳定，或者因为 RSS 挤占了内存而被迫被内核缓慢回收。
• 分析：这是典型的内存泄漏。当 RSS 持续上涨并突破 memory.limit 时，Linux 内核会认为容器内存溢出，触发 OOMKiller 杀掉进程。

---

4. 运维中的监控逻辑

在监控面板（如 Grafana）中，你应该如何看待这两个指标？

1. 观察 Cached Memory 是为了排除误报：
   如果你的容器内存报警了（比如达到了 limit 的 90%），不要慌。先看 RSS 和 Cached 的占比。如果 Cached 很大，说明内存紧张仅仅是因为内核缓存了太多文件，系统有足够的自动调节空间。

2. 观察 RSS 是为了发现隐患：

   • 如果 RSS 持续线性增长（不回落），这几乎 100% 是代码存在内存泄漏。
   • 如果 RSS 激增（波峰），说明程序在处理某些大请求时瞬间需要大量计算内存，可能需要优化算法或增加容器内存限制。

3. 理解“Working Set Memory”：
   在 Kubernetes 中，监控指标通常使用 container_memory_working_set_bytes，它大致等于 RSS + Active Cache。这是判断容器是否会 OOM 的最准确指标。如果这个值触碰 Limit，那么容器大概率要“挂”了。

总结：

• RSS 是“身体的肌肉”，是程序运行的硬性需求。
• Cache 是“桌上的工具”，平时放在桌上（内存）是为了用着方便，当没地方放东西（内存告急）时，工具随时可以被收进抽屉（磁盘）。